理大研发可信病理AI框架TRUECAM可评估不确定性、主动提示覆核 助安全应用于癌症诊断

理大工业及系统工程学系助理教授张晓革（右）、同系博士生王涛（左）及研究团队，创新研发出一套可信人工智能框架TRUECAM。该框架可应用于全切片影像分析，用作非小细胞肺癌亚型分类，同时提升数据和人工智能模型的可验证可靠性，为病理人工智能在癌症诊断中的安全应用奠定重要基础。理大供图

香港文汇报讯（记者 杨梓颖）随着医疗数码化加速、癌症个案持续增加，如何在提升诊断效率的同时确保结果可靠，成为病理诊断迈向智能化的关键课题。近年人工智能（AI）在病理影像分析上的应用进展迅速，为临床决策提供新工具，但在高风险场景中，模型输出若欠缺可验证的可靠性与“不确定性提示”机制，仍难以全面融入临床流程。

为应对上述挑战，香港理工大学（理大）工业及系统工程学系助理教授张晓革及其研究团队，研发出一套可信人工智能框架TRUECAM。该框架可用于全切片影像分析，针对非小细胞肺癌进行亚型分类，并同时提升数据及人工智能模型的可验证可靠性，为病理人工智能在癌症诊断中的安全应用奠定基础。该研究已发表于国际期刊《自然·生物医学工程》，并获国家自然科学基金委员会、香港研究资助局及深圳市科技计划资助。

TRUECAM可于肺腺癌病理切片中保留关键诊断资讯，其分析结果与病理科医生标注高度一致。理大供图

TRUECAM的核心目标在于提升人工智能诊断癌症的可信度。框架可评估人工智能对诊断结果的把握程度，当结果存在较高不确定性、或输入数据超出模型适用范围时，系统会主动提示医生覆核。另一方面，TRUECAM具备模型无关（model－agnostic）特性，可配合不同类型的人工智能模型，支援由病理影像到诊断结果的完整分析流程，协助医护更可靠地使用人工智能输出。

TRUECAM在全切片病理影像时中自动剔除模糊或资讯不足的区域，提升诊断分析的可靠性。理大供图

研究以全切片影像技术为应用场景，即把玻璃载玻片上的组织切片扫描成高解像度数码影像，让医生可在电脑上以“虚拟显微镜”方式检视病理样本。研究结果显示，TRUECAM不仅适用于非小细胞肺癌亚型分类，也可拓展至乳癌、脑癌及肾癌的亚型分类，甚至涵盖46个类别的泛癌切片分类，展现广泛应用潜力与临床转化价值。

作为通用框架，TRUECAM可应用于不同规模、架构、用途与复杂程度的病理人工智能模型，以支援负责任的临床应用。框架具三大核心功能，包括识别“超出适用范围”的输入数据；自动筛选模棱两可及难以判断的图像区域；并采用“共形预测”技术，把诊断错误率控制在可接受范围内。

研究团队在多个癌症数据集上，运用两类人工智能模型对TRUECAM进行系统性测试，包括针对特定任务的专用模型，以及具广泛应用潜力的基础模型。计算实验结果显示，套用TRUECAM的模型在分类准确度、稳定性、可解释性、数据使用效率及公平性等方面，均较未套用框架的模型表现更佳。

张晓革指出，TRUECAM在“完全由病理人工智能主导”与“完全由病理学家主导”的癌症诊断之间取得良好平衡：当人工智能对诊断结果信心较高时，系统可协助处理较明确病例；不确定性较高的病例则会被标记，交由病理学家深入检视并作临床判断。这种“人工智能与病理学家分工协作”模式，有助提升诊断效率、减轻病理学家工作负担、提高诊断可靠性，并扩大诊断服务规模。

他补充，现阶段已发表研究主要聚焦全切片影像，团队正进一步探索其他数据类型，例如分子谱，包括RNA定序与诊断报告等，以拓展框架潜在应用。TRUECAM旨在为建立值得信赖的病理人工智能提供系统化解决方案，并为日后在真实环境中的落地应用奠定更稳固基础。